Identifikasi relasi korban dengan pelaku tindak kekerasan anak berbasis text classification menggunakan Neural Network

INDONESIA:

Kasus kekerasan terhadap anak di Indonesia terus mengalami peningkatan setiap tahunnya dengan mayoritas pelaku berasal dari lingkungan terdekat korban. Permasalahan ini merupakan isu serius karena berdampak jangka panjang terhadap perkembangan fisik, psikologis, sosial, dan emosional anak, serta dapat mengganggu kualitas hidup anak di masa depan. Berita online banyak memuat informasi terkait kasus-kasus tersebut sehingga dapat dimanfaatkan untuk mengidentifikasi pola hubungan antara pelaku dan korban kekerasan anak. Penelitian ini bertujuan untuk mengidentifikasi relasi antara pelaku dan korban kekerasan anak dengan mengklasifikasikan berita kekerasan anak berdasarkan pelaku menggunakan neural network. Data diklasifikasikan ke dalam lima kategori pelaku: keluarga, pengasuh, tenaga pendidik, teman, dan orang asing. Proses penelitian dimulai dari data cleaning yang menghasilkan 975 data, dilanjutkan dengan text preprocessing, ekstraksi fitur menggunakan Word2Vec model skip-gram, dan klasifikasi menggunakan neural network. Sembilan model diuji berdasarkan variasi jumlah node pada hidden layer pertama (10, 30, 60) serta learning rate (0,001, 0,005, 0,01). Model Z2 dengan node hidden layer pertama sebanyak 60 dan learning rate sebesar 0,005 menunjukkan performa terbaik dengan akurasi 80,61% dan F1-score 68,94% pada tahap testing, serta rata-rata akurasi tertinggi sebesar 82,98% dan standar deviasi terendah yaitu 0,0306 pada uji k-fold cross validation. Peningkatan jumlah node pada hidden layer pertama mempercepat konvergensi dan meningkatkan akurasi, sementara learning rate 0,005 menghasilkan performa paling stabil. Meskipun sebagian model menunjukkan gejala overfitting, metode neural network terbukti efektif dan andal dalam mengklasifikasikan relasi pelaku dan korban kekerasan anak berbasis teks berita online yang ditunjukkan oleh rentang akurasi seluruh model sebesar 75,5–82,6% dan F1-score 62,6–72,6%. Sistem klasifikasi ini berpotensi mendukung upaya pencegahan yang lebih tepat sasaran.

ENGLISH:

Cases of violence against children in Indonesia continue to increase every year, with the majority of perpetrators coming from the victim’s immediate environment. This problem is a serious issue because it has a long-term impact on children’s physical, psychological, social, and emotional development and can interfere with children’s quality of life in the future. Online news contains a lot of information related to these cases so that it can be used to identify patterns of relationships between perpetrators and victims of child abuse. This study aims to determine the relationship between perpetrators and victims of child abuse by classifying child abuse news based on perpetrators using neural networks. The data is classified into five perpetrator categories: family, caregivers, educators, friends, and strangers. The research process starts with data cleaning, which produces 975 data, followed by text preprocessing, feature extraction using the Word2Vec skip-gram model, and classification using a neural network. Nine models were tested based on variations in the number of nodes in the first hidden layer (10, 30, and 60) and learning rate (0.001, 0.005, and 0.01). Model Z2, with the first hidden layer node of 60 and a learning rate of 0.005, showed the best performance with an accuracy of 80.61% and an F1-score of 68.94% on the testing, as well as the highest average accuracy of 82.98% and the lowest standard deviation of 0.0306 on the k-fold cross validation test. Increasing the number of nodes in the first hidden layer accelerated convergence and improved accuracy, while a learning rate of 0.005 produced the most stable performance. Although some models showed symptoms of overfitting, the neural network method proved to be effective and reliable in classifying the relationship between perpetrators and victims of online news text-based child abuse, as shown by the accuracy range of all models of 75.5-82.6% and F1-score of 62.6-72.6%. This classification system has the potential to support more targeted This classification system has the potential to help more targeted child abuse prevention strategies.

ARABIC:

لا تزال حالات العنف ضد الأطفال في إندونيسيا في ازدياد كل عام، وغالبية الجناة من البيئة المباشرة للضحية. وتُعد هذه المشكلة مشكلة خطيرة لأن لها تأثيراً طويل الأمد على نمو الأطفال الجسدي والنفسي والاجتماعي والعاطفي ويمكن أن تؤثر على نوعية حياة الأطفال في المستقبل. تحتوي الأخبار المنشورة على الإنترنت على الكثير من المعلومات المتعلقة بهذه الحالات بحيث يمكن استخدامها لتحديد أنماط العلاقات بين الجناة وضحايا إساءة معاملة الأطفال. تهدف هذه الدراسة إلى تحديد العلاقة بين الجناة وضحايا الاعتداء على الأطفال من خلال تصنيف أخبار الاعتداء على الأطفال بناءً على الجناة باستخدام الشبكات العصبية. تم تصنيف البيانات إلى خمس فئات من الجناة: الأسرة ومقدمي الرعاية والمربين والأصدقاء والغرباء. تبدأ عملية البحث بتنظيف البيانات، والتي تنتج 975 بيانة، تليها المعالجة المسبقة للنص، واستخراج السمات باستخدام نموذج Word2Vec لتخطي الجرام، والتصنيف باستخدام شبكة عصبية. تم اختبار تسعة نماذج بناءً على الاختلافات في عدد العُقد في الطبقة المخفية الأولى (10 و30 و60) ومعدل التعلم (0.001 و0.005 و0.01). أظهر النموذج Z2، مع عقدة الطبقة المخفية الأولى 60 ومعدل تعلم 0.005، أفضل أداء مع دقة بلغت 80.61% ودرجة F1 بلغت 68.94% في الاختبار، بالإضافة إلى أعلى متوسط دقة بلغت 82.98% وأقل انحراف معياري بلغ 0.0306 في اختبار التحقق التبادلي k-fold. أدت زيادة عدد العُقد في الطبقة المخفية الأولى إلى تسريع التقارب وتحسين الدقة، في حين أن معدل التعلّم البالغ 0.005 أنتج الأداء الأكثر استقرارًا. على الرغم من أن بعض النماذج أظهرت أعراض الإفراط في الملاءمة، إلا أن طريقة الشبكة العصبية أثبتت فعاليتها وموثوقيتها في تصنيف العلاقة بين الجناة والضحايا في الأخبار النصية على الإنترنت التي تستند إلى إساءة معاملة الأطفال عبر الإنترنت، كما يتضح من نطاق دقة جميع النماذج الذي يتراوح بين 75.5 و82.6% ودرجة F1 التي تتراوح بين 62.6 و72.6%. هذا النظام التصنيفي لديه القدرة على دعم استراتيجيات أكثر استهدافًا هذا النظام التصنيفي لديه القدرة على المساعدة في وضع استراتيجيات أكثر استهدافًا لمنع الاعتداء على الأطفال.